恭喜广州大学王力获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网恭喜广州大学申请的专利一种基于黎曼流形的脑电信号异构标签空间迁移学习方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114548166B 。
龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210152396.6,技术领域涉及:G06F18/24;该发明授权一种基于黎曼流形的脑电信号异构标签空间迁移学习方法是由王力;詹倩倩;任玲玲;黄学文;刘彦俊设计研发完成,并于2022-02-18向国家知识产权局提交的专利申请。
本一种基于黎曼流形的脑电信号异构标签空间迁移学习方法在说明书摘要公布了:本发明提供一种基于黎曼流形的脑电信号异构标签空间迁移学习方法,包括,对被试A的脑电数据的单频段进行分段;将各子频带的脑电数据中标签1和标签2的脑电数据分别按照不同顺序拼接成新标签1和新标签2;将新标签1和新标签2作为源域,标签3和标签4作为目标域;分别计算标签1、标签2,标签3和标签4的脑电数据的平均协方差矩阵;分别将每个子频段的黎曼流形上的源域数据通过平均协方差矩阵构建的线性变换矩阵对齐到目标域;将各子频带对齐后的黎曼流形上的源域和目标域数据通过对数映射至切空间,再通过mRMR将高维的切空间特征降至低维;融合各子频段降维后的切空间特征,并输入LDA分类器中进行分类。本发明有助于扩大脑电数据的适用范围。
本发明授权一种基于黎曼流形的脑电信号异构标签空间迁移学习方法在权利要求书中公布了:1.一种基于黎曼流形的脑电信号异构标签空间迁移学习方法,其特征在于,包括:S1对被试A的脑电数据的单频段进行分段,得到各子频带的脑电数据;S2将各子频带的脑电数据中标签1和标签2的脑电数据分别按照先标签1后标签2的顺序拼接成新标签1,按照先标签2后标签1的顺序拼接成新标签2;将经过拼接的新标签1,2的脑电数据作为源域,标签为3,4的脑电数据作为目标域;其中标签1和标签2仅包含单一的语言想象或运动想象特征,标签3和标签4包含语言想象和运动想象特征;S3对源域的脑电数据集S={Xs,i,Ys,i}的所有脑电数据按标签类别进行分组;分别计算标签1和标签2的脑电数据的平均协方差矩阵,包括:对该被试A源域的脑电数据集S={Xs,i,Ys,i}的所有脑电数据按标签类别进行分组,其中,所述被试A的源域共有2个标签类别其中C=2,c=1,2分别表示标签1和标签2;分别计算标签为1和标签为2的平均协方差矩阵S4对目标域的部分组脑电数据集T={Xt,i}的所有脑电数据按标签类别进行分组;分别计算标签3和标签4的脑电数据的平均协方差矩阵,包括:被试A目标域的部分组脑电数据集T={Xt,i}的所有脑电数据按标签类别进行分组;其中,所述被试A的目标域共有2个标签类别C=4,c=3,4分别表示标签3和标签4;分别计算标签为3和标签为4的脑电数据的平均协方差矩阵具体包括:S41计算目标域的部分脑电信号集T={Xt,i}中每次实验Xt,i的协方差矩阵;S42计算目标域的两两脑电协方差矩阵之间的黎曼距离,利用k-medoids聚类,对所有次实验的协方差矩阵执行k-medoids聚类,可得到k个聚类中心,根据对应试验次的脑电标签类别,对k个聚类中心进行标注,得到k个带标签的脑电数据;其中,任意两个协方差矩阵之间的黎曼距离定义为: 其中,F代表F范数,Pi、Pj表示两个不同的协方差矩阵,λr表示矩阵Pi-1Pj的所有实特征值;S43根据标注信息对k个带标签实验进行分组,得到C个分组GT,m={Xt,i,yt,i}yt,i=YT,m,以及每个分组GT,m的平均协方差矩阵S5对源域和目标域的平均协方差矩阵设定对应关系,根据该关系对源域S的脑电数据Xs,i进行变换,并将目标域的标签按照所述对应关系赋给源域的脑电数据,得到变换后的源域脑电数据,包括:S51将目标域T的C个标签类别与源域S的C个标签类别按照设定的对应关系一一对应;其中所述设定的对应关系为:被试A有标签1,标签2,标签3和标签4这4种脑电数据,该被试的标签3与的标签1对应,的标签4与的标签2对应,属于异构标签空间迁移;S52根据源域和目标域脑电数据之间每组对应的平均协方差矩阵,构建线性变换矩阵S53对源域的脑电数据Xs,i执行以下变换:当ys,i=YT,C时,S54将目标域的标签按照如下关系赋给源域的标签;当ys,i=YT,C时,S6将变换后的源域的脑电数据以及步骤S4标注的目标域的脑电数据合并作为训练集,目标域未标注的脑电数据作为测试集,进行特征提取后,进一步进行mRMR特征降维,包括:S61将训练集以及测试集的脑电数据一一对齐到黎曼流形空间中;训练集以及测试集的脑电数据指的是脑电协方差矩阵,而脑电协方差矩阵位于一个对称正定矩阵空间中,用黎曼度量来衡量脑电的协方差矩阵;S62根据对数映射将经过对齐后的脑电协方差矩阵从黎曼流形上映射到切空间中,提取子频带的切空间特征;S63利用mRMR特征选择,将高维的136维的切空间特征降至2维;S7在各个子频带训练集降维后的融合特征上构建用于目标域未标注样本预测的机器学习模型,再送入LDA分类器中进行分类。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人广州大学,其通讯地址为:510006 广东省广州市大学城外环西路230号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。